III практическая конференция «Кредитный скоринг: новые технологии, передовые модели, кейсы лидеров» состоялась 22 июля в московском бизнес-центре «Японский дом». Ее участники рассказали о новых приемах и моделях, позволяющих уберечь портфель от плохих заемщиков и не потерять хороших клиентов, о правилах эффективного скоринга в период кризиса, о новых перспективных источниках данных о заемщиках.

С докладом о правовой регламентации обработки данных, используемых при скоринге в банках, выступил Алексей Чирков, заведующий сектором Главного управления рынка микрофинансирования и методологии финансовой доступности Банка России. Он отметил, что в последнее время наблюдается активное внедрение так называемых больших данных, которые не персонифицированы и не связаны напрямую с конкретной личностью. Классический пример: американец в возрасте получает от торговой сети скидку на товар для новорожденных, предъявляет претензии, но потом звонит менеджеру сети и извиняется, говоря, что продавцы раньше него узнали о беременности его 15-летней дочери. «Это тот случай, когда используются большие данные на основании каких-то индикаторов – допустим, номера карты и сбора данных, которые происходят при оплате покупок. И фактически возможно прогнозирование поведения, – сказал Чирков. – Здесь нет предмета регулирования законодательства о персональных данных, но если переносить это на деятельность микрофинансовых организаций, то фактически здесь нет привязки к личности, которая требовала бы принятия специальных мер, надзорного реагирования в том числе».

Вторая группа используемых данных – это персональные, связанные с конкретным физлицом, продолжил завсектором. Они могут обрабатываться только в тех случаях, когда есть соответствующее правовое основание. То есть фактически возможны две развилки – согласие заемщика или наличие иных оснований, предусмотренных статьей 6 закона о персональных данных: наличие договорных отношений, вступивших в силу решений суда или какого-либо предписания уполномоченного органа. «Если у вас нет отдельного согласия, то вопросы, связанные с обработкой данных, неурегулированных в каком-либо соглашении, вы можете решать, руководствуясь нормами закона. С учетом целей, которые предполагаются для соответствующего вида обработки», – подчеркнул Алексей Чирков.

Начальник управления банка «Ренессанс кредит» Григорий Шабашкевич поднял тему совмещения методов автоматической и ручной (экспертной) оценки заемщика. Он отметил в первую очередь преимущества и недостатки ручных проверок. Плюсы: такая проверка позволяет глубже изучить всю информацию о клиенте, показать логические противоречия, обеспечивает дополнительную идентификацию клиента. Минусы: она занимает достаточно много времени, требует содержания команды кредитных аналитиков – отдельного подразделения, что может вызвать организационные проблемы. Кроме того, ручная проверка далеко не всегда при таких издержках дает положительный результат. «Применение ручных проверок нужно оценивать не конкретно по сегменту, который будет проверяться, а по бизнесу в целом и анализировать, к чему это приведет глобально», – подчеркнул спикер. Он обратил внимание, что целесообразно использовать матричное пересечение двух моделей оценки.

Заместитель начальника управления риск-менеджмента физических лиц Райффайзенбанка Сергей Гмызин, говоря об оценке заемщиков в период кризиса, заметил, что базовые вещи, основа скоринга, кардинально не меняются и в кризисные времена. Также группу рискованных заемщиков составляет молодежь, группу надежных – люди среднего возраста и так далее. Просто в кризис все диапазоны скоринга смещаются вверх. «Если вы до кризиса оценивали риск клиента в два процента, то в кризис вы получите шесть процентов, если в 10, то в кризис вы получите 20–30%», – пояснил Гмызин.

Как понять, нужна ли модификация скоринговой модели? Отвечая на этот вопрос, докладчик призвал рассматривать три основные вещи – стабильность переменных, входящих в скоринговую модель, предсказательную силу отдельных переменных модели и общую предсказательную силу.

Директор по аналитике и качеству данных компании Double Data Сергей Попов рассказал участникам конференции о новом продукте, новом источнике данных. «Да, кризис, факт, потому что первые три месяца этого года показали двукратное падение объемов выдачи кредитов по сравнению с прошлым годом», – констатировал он. Банки вынуждены снижать объемы кредитования, но зарабатывать им все-таки нужно. Выход – более внимательно подходить к оценке платежеспособности клиентов, совершенствуя имеющиеся модели принятия кредитного решения. Как считает Попов, самое время обратить внимание на альтернативные источники информации. «Большой интерес в последнее время проявляется к данным из социальных сетей», – подчеркнул он. Сегодня практически каждый клиент кредитного учреждения имеет аккаунт в какой-либо соцсети. Его можно там отыскать, и это то, чем занимается компания Double Data, уже три года инвестирующая в технологии поиска в сетях. «На сегодня мы умеем находить 60% банковских клиентов с точностью 99,8%, что проверено многими тестами, – обратился глава компании к банкирам. – Из ваших пяти клиентов трех мы можем найти в соцсетях, и мы фактически гарантируем вам, что это именно те клиенты, которых вы запрашиваете, а не их тезки-однофамильцы».

Для экспертов компании информации выглядит как группа переменных, предсказательная сила которых велика. Здесь особую роль играет дополнительная информация: как давно человек зарегистрировался, как часто бывает в сети, с каких носителей заходит, какие у него друзья, насколько они образованы и так далее. Именно эти переменные обладают решающей предсказательной силой, имеют особое значение, позволяют достигать хороших результатов проверки.

Модель оценки, построенная только на данных из сетей, позволяет показать 45–50% Gini. Если убрать отсюда информацию, уже имеющуюся у кредитных учреждений (пол, возраст и т.д.), остается 35–40% Gini, и эти данные уникальны для кредитной анкеты, их нет ни у банков, ни у НБКИ. Добавляя их в модель принятия решений, банки могут получить 5–7 процентных пунктов к действующим скоринговым моделям. Попов отметил, что компания посчитала бизнес-кейс на условном банке, получилось, что экономический эффект от прибавки одного процентного пункта Gini действующей модели банка позволит учреждению получить дополнительную прибыль в размере 138 млн. в год.

На конференции выступили также замгендиректора НБКИ по маркетингу Владимир Шикин, старший специалист юридического департамента НСФР Борис Перов, а также представители Сбербанка, Транскапиталбанка, банка «Хоум Кредит», банка «Пойдем!», компании MoneyMan.

Москва.